1.一种基于加权模糊Petri网的UUV智能体行为规划方法，其特征在于，包括以下步骤：步骤1：对作战任务进行元事件划分

根据作战态势，将作战任务划分为由若干元事件组成的集合ME＝{me1，me2…men}，其能够形成一个任务逻辑时序系统，并通过元事件驱动完成任务，其中元事件驱动集合E＝{e1，e2…en}；

步骤2：确定变迁集合

依据元事件驱动集合E，确定变迁集合T＝{t1，t2…tn}，|E|＝|T|；

步骤3：确定WFPN的库所集合

确定命题D＝{d1，d2…dm}数量，并将命题抽象为WFPN的库所集合P＝{p1，p2…pm}，即|D|＝|P|；

步骤4：进行模糊谓词划分

区分产生式规则R的前提命题和结论命题，并且对前提命题进行模糊谓词划分；

步骤5：确立基本WPFN图形化描述

选取WFPR形式，并确立基本WPFN图形化描述；

步骤6：确定输入强度

如果pi∈P，且pi为规则R的前提谓词，则确定输入库所pi的初始映射Token值和权重wi，即确定输入强度；

步骤7：确定输出强度

如果pi∈P，且pi为规则R的结论谓词，则确定变迁t所对应的置信度CF＝μ，即确定输出强度；

步骤8：确定变迁激活阈值

确定规则R的γ变迁激活阈值，γ→[0，1]，当变迁的输入信度大于阈值时该变迁自动激活，如果小于阈值则在任何情况下不被激活；

步骤9：实现问题的求解

根据规则Type类型，选择变迁启动规则公式进行数据驱动，实现问题的求解。

2.如权利要求1所述的基于加权模糊Petri网的UUV智能体行为规划方法，其特征在于，所述步骤5中确立基本WPFN图形化描述的方法为：假如pi属于R的前提命题或者结论命题，则建立输入弧I(pi，t)或输出弧O(t，pk)，即利用WPFN建立流关系F集合。

3.如权利要求1所述的基于加权模糊Petri网的UUV智能体行为规划方法，其特征在于，所述步骤5中WFPR形式包括Type1，Type2，Tpye3三种规则形式；

三种规则的变迁激发机制分别如下：

令yi＝ai·wi， 若y≥λ，则ak＝y·μ，其中i，k∈{1，2，…，m}，i≠k；

令yk＝ak·wk，若yk≥λ，则ak＝yi·μi，其中i，k∈{1，2，…，m}，i≠k；令yi＝ai·wi，若yi≥λ，则ak＝max{yi，μi}，其中i，k∈{1，2，…，m}，i≠k。